خلاصه جلسه سوم یادگیری ماشین – دکتر شیری ۹۱/۱۲/۰۱

الگوریتم Find-S

الگوریتم حذف کاندید

الگوریتم List – then – Eliminate

 

الگوریتم Find-S

اشکال این الگوریتم اینه که نکات منفی را نشان نمی دهد و فقط

یک راه حل را نشان میدهد

تنها یک فرضیه به دست می آید
مثال های آموزشی را در نظر نمیگیره

Find-S به سوالات زیر پاسخ نمیدهد
۱- آیا الگوریتم به مفهوم صحیح رسیده ، آیا فرضیه سازگار دیگری
وجود دارد
۲- چرا اختصاصی ترین فرضیه برگزیده شود ؟
۳- آیا مثال های آموزشی سازگار هستند ؟
۴- اگر چندین فرضیه اختصاصی حدکثر وجود داشت یا نداشت چه
میشود
——————————————————
نحوه سوال : یک فرضیه بدم ، الگوریتمش را پیدا کنید
———————————————————-
الگوریتم حذف کاندید

یکی از مشکلات این هم نویز هست ( داده های آموزشی بدون
نویز باید باشد )

سازگاری :
فضای مدل : (version Space )
در اینجا همه …. که …. مجموعه سازگار است

———————————————————-
الگوریتم List – then – Eliminate

لیست کردن و سپس حذف کردن
الگوریتم خوبی است ولی پیچیدگی زیادی دارد و ممکن است
عملی نباشد
—————————————————-

حد کلی maximaly
حد اختصاصی ( S )

برای الگوریتم حذف کاندید فضای مدل طوری ساخته نمی شود که
با داده های آموزشی سازگار باشد
G0 حد کلی
S0 حد اختصاصی
———–

صفحه ۱۰
مثال اول مثال S0 همش پوچ بود میاد مرزش رو عوض میکنه ( مرز
G0 رو عوض نکرد )
مثال دوم باز مثبته – مرز S رو عوض میکنه
باز G2 من مثل G1 هست

G2 عمومی ترین فرضیه ها بود
ولی باید طوری تعمیم بدم که مثال منفی را شامل نشه
اینجا Sunny بوده Rainy شده

تغییرات دومی که اینجا هست Warm بوده … شده

Change منفی است و باید Same شود

G3 دیگه G2 نیست – عوض شد
اینجا که قرمز نشان داده دلیلش اینه که باید یه جوری عوض بشه

پس G3 تبدیل شد به G4
چون این فرضیه ناسازگار بود
دو فرضیه در G4 دارم و در S4 هم دو تا فرضیه دارم
صفحه ۱۱ پنج تا فرضیه داریم
حالا Vesion Space رو پیدا کردیم